标签: feature-detection

如果我需要检测Firefox,我已经使用了下面的代码:

var firefox = !(window.mozInnerScreenX == null);

我很好奇是否有类似检测webkit浏览器的东西而没有检查用户代理字符串.像检查特定功能只有webkit浏览器有？

我正在尝试使用OpenCV进行对象检测作业.但有些东西让我感到困惑.像camshift和kalman滤波器这样的跟踪和预测算法可以完成跟踪任务,而SURF匹配方法也可以做到这一点.

我不太明白这两种方法之间的区别.我已经完成了一些基于feature2d(使用了SURF)和OpenCV教程的motion_analysis_and_object_tracking(使用camshift)的编码.看起来他们只是一个目的的两种手段.我是对的还是我错过了一些概念？

将camshift跟踪与SURF特征匹配相结合是一种好方法吗？也许可以应用更多的东西,比如轮廓匹配？

我是OpenCV的新手.我正试图在iOS上的OpenCV中使用FLANN/SURF在图像之间绘制功能匹配.我正在关注这个例子:

http://docs.opencv.org/doc/tutorials/features2d/feature_flann_matcher/feature_flann_matcher.html#feature-matching-with-flann

这是我的代码,稍加一些修改(将示例中的代码包装在一个函数中,该函数返回一个UIImage作为结果并从bundle中读取起始图像):

UIImage* SURFRecognition::test()
{
    UIImage *img1 = [UIImage imageNamed:@"wallet"];
    UIImage *img2 = [UIImage imageNamed:@"wallet2"];

    Mat img_1;
    Mat img_2;

    UIImageToMat(img1, img_1);
    UIImageToMat(img2, img_2);

    if( !img_1.data || !img_2.data )
    {
        std::cout<< " --(!) Error reading images " << std::endl;
    }

    //-- Step 1: Detect the keypoints using SURF Detector
    int minHessian = 400;

    SurfFeatureDetector detector( minHessian );

    std::vector<KeyPoint> keypoints_1, keypoints_2;

    detector.detect( img_1, keypoints_1 );
    detector.detect( img_2, keypoints_2 );

    //-- Step 2: Calculate descriptors (feature vectors)
    SurfDescriptorExtractor extractor;

    Mat descriptors_1, descriptors_2; …

SIFT是计算机视觉中一种重要且有用的算法,但似乎它不是Matlab或其任何工具箱的一部分.

为什么？Matlab能提供更好或同等的东西吗？

我试图找到一个起点,但我似乎无法找到正确的答案.我非常感谢你的指导.我也不知道正确的术语,因此标题.

1. 我拍了一张背后有黑色背景的包.
2. 我想提取袋子,类似于此.
3. 如果可能的话,找中心,像这样.

基本上,我希望能够提取像素blob然后找到中心点.

我知道这是两个不同的问题,但我想如果有人可以做后者,那么他们可以做第一个.我正在使用MATLAB,但想编写自己的代码而不使用像edge()这样的图像处理函数.我可以使用哪些方法/算法？任何论文/链接都会很好(:

我有以下代码

cv::initModule_nonfree();
std::vector<cv::KeyPoint> keypoints_1;
cv::Ptr<cv::FeatureDetector> detector = cv::FeatureDetector::create("SURF");
cv::Mat image = cv::imread("someFileNameHere",cv::IMREAD_COLOR);
// image.data is true, cv::imshow() dispalys the image
detector->detect(image, keypoints_1); // seg fault here

段错误的原因可能是什么？我尝试在它上面运行 gdb，希望库有足够的元数据，但堆栈在调用detect()

是否有类似 Modernizr 的方法来检测客户端对 uri 方案的支持，例如 <a href="sms:1-408-555-1212">New SMS Message</a> 或 <a href="whatsapp://send?text=Foo">New WhatsApp Message</a> 为了有条件地显示此类链接？

可能相关

检查 javascript 是否支持 URL 方案

是否有类似于 iOS 的 canOpenURL 来检查移动浏览器的 URL 方案？

如何提高以下循环检测代码的性能

from matplotlib.pyplot import imshow, scatter, show
import cv2

image = cv2.imread('points.png', 0)
_, image = cv2.threshold(image, 254, 255, cv2.THRESH_BINARY)
image = cv2.Canny(image, 1, 1)
imshow(image, cmap='gray')

circles = cv2.HoughCircles(image, cv2.HOUGH_GRADIENT, 2, 32)
x = circles[0, :, 0]
y = circles[0, :, 1]

scatter(x, y)
show()

使用以下源图像:

我已经尝试调整HoughCircles函数的参数但是它们会导致过多的误报或过多的误报.特别是,我遇到了在两个blob之间的间隙中检测到虚假圆圈的问题:

我已经下载了Java OpenCV的示例代码。在代码的几行中，有FeatureDetectore()一种编译器认为已弃用的方法。

    FeatureDetector detector = FeatureDetector.create(FeatureDetector.MSER);
    detector.detect(mGrey, keypoint);
    listpoint = keypoint.toList();

那么，我应该如何替换这部分代码？是否有其他新选择？还是可以继续使用不赞成使用的功能？

我的问题在某种程度上是simelar: 使用OpenCV从小图像中提取点描述符

我想从小图像(Orb,BRISK,FAST)中提取关键点,但如果图像的大小低于100x160,则我的关键点向量为空([]).

我在文档中找不到解决方案.

谢谢您的帮助.